OCR（Optical Character Recognition，光學字元辨識）是一種將圖像中的文字自動轉換為可編輯數位文字的技術。從銀行支票處理、圖書館數位化計畫，到現代智慧型手機的即時翻譯，OCR 早已滲透到我們日常生活的各個角落。本文將深入探討 OCR 技術的發展歷史、運作原理，以及傳統 OCR 與現代 AI OCR 的根本差異。
OCR 的歷史：從 1970 年代的銀行應用說起
OCR 技術的起源比大多數人想像的早得多。早在 1960 年代，美國銀行業就開始使用 MICR（磁墨字元辨識）技術處理支票，這可以視為 OCR 的前身。真正意義上的 OCR 技術在 1970 年代取得重大突破：
- 1974 年：雷蒙德・庫茲韋爾（Ray Kurzweil）開發了全方向 OCR 系統，能夠辨識多種字型的印刷文字，並製作了 Kurzweil Reading Machine，幫助視覺障礙者將印刷文字轉換為語音。
- 1978 年：Kurzweil Reading Machine 正式商業化，標誌著 OCR 技術從實驗室走向實際應用。
- 1980 年代：隨著個人電腦普及，OCR 軟體開始商業化，被廣泛應用於銀行、政府機關和出版業的文件數位化。
- 1990 年代至 2000 年代：ABBYY FineReader 和 Adobe Acrobat 等軟體大幅提升了 OCR 的準確率和使用便利性，PDF OCR 成為辦公室標準工作流程的一部分。
傳統 OCR 的技術流程
傳統 OCR 技術將圖像到文字的轉換拆解為幾個明確的階段：
第一階段：圖像預處理
原始掃描圖像往往包含各種干擾因素，預處理的目的是提高圖像品質以利後續辨識：
- 去噪：消除掃描過程中產生的雜點、污漬和背景噪音。
- 二值化：將彩色或灰階圖像轉換為純黑白（二元）圖像，讓文字和背景的對比更清晰。
- 傾斜校正（Deskewing）：自動偵測並修正文件扭曲或傾斜角度。
- 版面分析：識別文字區域、圖片區域、表格和欄位，確定文字的閱讀順序。
第二階段：特徵提取
預處理完成後，OCR 引擎開始分析每個字元的視覺特徵：
- 將文字行切割為個別字符（分詞）。
- 提取每個字符的特徵，包括筆畫方向、曲線特徵、封閉區域（如字母「o」的圓圈部分）等。
- 這些特徵被轉換為數值向量，作為後續比對的依據。
第三階段：字元辨識
傳統 OCR 主要採用兩種辨識方法：
- 模板比對（Template Matching）：將提取的字元圖像與預先儲存的字元模板進行像素級比對，選擇相似度最高的字元。這種方法速度快，但對字型變化的容錯性較差。
- 特徵提取法（Feature Extraction）：分析字元的幾何特徵（如端點、交叉點、曲線）並與統計模型比對，對字型變化有較好的適應性。
第四階段：後處理
辨識完成後，後處理階段負責提高整體準確率：
- 詞典校正：將辨識結果與詞典比對，修正可能的辨識錯誤（例如將「rnoon」修正為「moon」）。
- 語言模型：利用統計語言模型判斷上下文，在多個候選字中選擇最符合語境的結果。
- 信心分數標記：對每個辨識結果標注置信度，讓用戶能快速定位可能有誤的文字。
傳統 OCR vs AI OCR：根本性的差異
近年來，深度學習的興起催生了全新一代的 AI OCR 技術，與傳統 OCR 在多個維度上有根本性的差異：
- 辨識方式：傳統 OCR 依賴人工設計的規則和特徵；AI OCR（如基於 LSTM 神經網路或 Transformer 架構的系統）透過大量訓練資料自動學習特徵，不需要人工干預。
- 手寫辨識能力：傳統 OCR 對手寫文字的辨識率很低；AI OCR 可以辨識多種筆跡風格的手寫文字，準確率已大幅提升。
- 複雜版面處理：AI OCR 能更好地理解表格、多欄版面、混合語言等複雜版面，並保留原始格式結構。
- 低品質圖像處理：AI OCR 對模糊、低解析度或光線不足的圖像有更強的容錯能力。
- 代表性工具：Google Cloud Vision API、Microsoft Azure Computer Vision、Amazon Textract、Tesseract 5.0（開源）都屬於採用深度學習技術的現代 AI OCR 系統。
如何評估 OCR 準確率
OCR 準確率的評估是一個容易被忽視但非常重要的議題。以下是幾種實用的測試方法：
- 字元錯誤率（CER）：計算辨識文字與原始文字之間的字元差異比例，是最基礎的評估指標。CER 5% 意味著每 100 個字元中有 5 個辨識錯誤。
- 單詞錯誤率（WER）：以單詞為單位計算錯誤率，更能反映實際使用體驗，因為一個字元錯誤通常會使整個單詞變得不可用。
- 自行測試：準備一批已知內容的測試文件（包含不同字型、字號、品質的樣本），OCR 後與原文對比，計算錯誤數量。這是最直接、最可靠的評估方式。
一般而言，優質的 OCR 工具對高品質印刷文件的辨識準確率可達 99% 以上；對於低品質掃描件或手寫文件，準確率可能降至 80-90% 甚至更低。
在瀏覽器裡直接完成，檔案不會離開你的電腦：PDF 工具
